Bab III Proses Smoothing Distribusi Menggunakan Metode Pixel Sharing

Ukuran: px
Mulai penontonan dengan halaman:

Download "Bab III Proses Smoothing Distribusi Menggunakan Metode Pixel Sharing"

Transkripsi

1 14 Bab III Proses Smoothing Distribusi Menggunakan Metode Pixel Sharing III.1 Konsep Areal Density dan Pixel Sharing Konsep areal density, sebagai sebuah kuantitas yang menyatakan jumlah titik data dalam sebuah area luas. Konsep areal density digunakan sebagai alat bantu dalam menyelesaikan masalah distribusi. Dalam astronomi konsep areal density digunakan sebagai pembanding antara observasi dengan teori evolusi. Langkah selanjutnya adalah bagaimana membuat bagaimana perbandingan antara observasi dan teori evolusi menjadi sangat efektif. Sebuah asumsi implisit menyatakan bahwa areal density teoritis mendekati distribusi yang smooth (atau secara akurat dapat di-smoothkan). Kita telah mengetahui bahwa areal density merupakan distribusi diskrit. Dengan distribusi diskrit kita akan kesulitan dalam melakukan proses fitting. Proses fitting memerlukan distribusi yang diferensiabel. distribusi yang diferensiabel merupakan distribusi yang kontinu, yaitu distribusi yang diketahui nilai fungsinya di setiap titik. Maka distribusi diskrit diubah menjadi distribusi yang kontinu, sehingga nilai setiap titiknya diketahui, dan proses fitting dapat dilakukan dengan mudah. Sebuah pendekatan sederhana dan langsung adalah dengan piksel yang berbentuk rectangular array. Rectangular array adalah piksel tempat isian sejumlah data distribusi. Data yang diisikan ke dalam rectangular array merupakan distribusi diskrit. Rectangular array memiliki masalah, yaitu quantizing errors dalam batas piksel. Masalah ini akan diselesaikan dengan bantuan metode pixel sharing. seperti yang telah dijelaskan secara sekilas pada bab I, Pixel sharing adalah metode yang digunakan dalam proses smoothing, dimana distribusi diskrit akan diubah menjadi distribusi yang kontinu dengan bantuan metode untuk smoothing, yaitu pixel sharing. Dalam proses smoothing dengan pixel sharing akan menggunakan pendekatan rectangular array dan konsep areal density pada sebuah fungsi distribusi tertentu untuk kemudian dilakukan proses smoothing dengan menggunakan pixel sharing. Pixel sharing adalah metode smoothing dengan menggunakan rectangular array yang ukurannya telah kita tentukan. Rectangular array dibuat dua, yaitu rectangular array inisial dan rectangular array final. Kedua rectangular ini dibuat sama ukurannya,

2 15 tetapi jumlah piksel pembangunnya berbeda. Nilai rectangular array final berdasarkan kepada nilai dalam rectangular array inisial Jumlah array inisial lebih kecil dibandingkan jumlah array final. Koordinat pusat tiap piksel pada array final seolah-olah dipindahkan ke rectangular array inisial. Kita akan menghitung nilai pada rectangular array final berdasarkan nilai rectangular array inisial. Kita mendapatkan nilai array final dengan menghitung luas aksi yang dibentuk dari rectangular array inisial. Cara menghitung luas aksi adalah dengan menempatkan satu piksel inisial (moving pixel) kepada titik koordinat array final yang terdapat pada array inisial. Tempat titik koordinat array final dalam array inisial pada moving pixel adalah tepat di tengah-tengah moving pixel. Nilai setiap piksel pada array final adalah jumlah luas aksi (luas setiap aksi sebelumnya dikalikan dengan nilai dimana tempat luas masing-masing aksi berada pada array inisial, luas aksi bernilai nol manakala luas aksi berada di luar area array inisial) yang dibentuk oleh moving pixel, dimana koordinat pusat array final diletakkan tepat pada pusat moving pixel. III.2 Algoritma Pixel Sharing secara umum Untuk memudahkan pengerjaan metode pixel sharing, maka kita menyusun algoritmanya. Algoritma lengkap untuk pixel sharing adalah sebagai berikut : a. Tentukan jumlah array inisial (n x n) dan jumlah array finalnya (m x m), tentukan juga penomoran piksel. Contoh : array inisial berjumlah empat, maka n berjumlah dua, sedangkan array final berjumlah 16, maka m berjumlah empat. Gambar III.1 menunjukkan contoh rectabgular array Gambar III. 1 Contoh array (2 x 2), (4 x 4) dan (16 x 16) b. Tentukan nilai-nilai dalam piksel inisial c. Tentukan koordinat ujung-ujung array inisial (n x n) dan koordinat pusat array final (m x m)

3 16 d. Tentukan piksel-piksel dalam array final, termasuk ke dalam piksel berapa dalam array inisial e. Pindahkan koordinat pusat array final ke dalam array inisial f. Buatlah moving pixel, yang berukuran sama dengan ukuran satu piksel dalam array inisial, tempatkan koordinat pusat array final yang terdapat dalam array inisial dalam koordinat pusat moving pixel. Moving pixel Koordinat pusat array final Gambar III. 2 Rectangular Array dan Moving Pixel g. Hitung luas aksi yang terbentuk pada moving pixel termasuk ke dalam piksel ke berapa dalam array inisial, kalikan dengan nilai dimana luas aksi dalam moving pixel berada. Jika luas aksi berada di luar array inisial, maka dikalikan dengan nilai piksel inisial terdekat. Ilustrasi luas aksi ditunjukkan seperti pada gambar III.3 di bawah ini : Luas 1 Luas 2 Luas Luas 2 1 Luas 3 Luas 4 Gambar III. 3 Ilustrasi Luas Fraksi

4 17 h. Jumlahkan nilai luas aksi moving pixel dibagi dengan luas satu piksel array inisial III.3 Algoritma untuk menentukan koordinat ujung array inisial dan koordinat pusat array final 1. Algoritma untuk menentukan koordinat titik ujung pada array inisial adalah sebagai berikut : a. Tentukan koordinat pusat tiap piksel array inisial, yang memiliki koordinat (a,b) serta variable indeks i (untuk menunjukkan kolom ke berapa) dan j (untuk menunjukkan baris ke berapa) dan ukuran panjang satu piksel (p) dan lebar piksel (q) b. Menentukan koordinat pusat dapat dilakukan dengan cara (i) tentukan koordinat awal A (0,0) (ii) koordinat pusat piksel awal dapat dihitung dengan A (x,y) (0,0) x (p,q) (iii) untuk pergerakan kolom, kita dapat menghitungnya dengan cara : A x (0) + (0.5 x i x p), nilai i bergerak sampai dengan jumlah n (iv) untuk pergerakan baris, kita dapat menghitungnya dengan cara : A y (0) + (0.5 x j x q), nilai j bergerak sampai dengan jumlah n c. Tentukan jumlah piksel dalam array inisialnya (n x n), maka kita akan mengetahui jumlah baris dan jumlah kolomnya d. Untuk kolom ke-i dan baris ke-j, sampai n, koordinat titik-titik ujung dapat dihitung dengan cara : (i) jika awal piksel terletak pada pojok kiri bawah koordinat titik-titik ujungnya adalah (a-(0.5 x p)) dan (b-(0.5 x q)) (ii) jika awal piksel terletak pada pojok kiri atas (a-(0.5 x p)) dan (b+ (0.5 x q)) 2. Algoritma untuk menentukan koordinat pusat pada array final adalah sebagai berikut : a. Tentukan koordinat ujung awal A(0,0) b. Tentukan piksel yang akan dihitung koordinat pusatnya termasuk ke baris dan kolom ke-berapa c. Tentukan koordinat pusat array final dengan cara : (i) koordinat pusat sumbu x : A x (0) + (0.5 x i x p)

5 18 (ii) koordinat pusat sumbu y : A x (0) + (0.5 x j x q) dengan i merupakan indeks berjalan untuk kolom dan j merupakan indeks berjalan untuk baris Gambar III. 4 Ilustrasi Array Final 3. Algoritma untuk menentukan moving pixel adalah sebagai berikut : a. Pindahkan koordinat pusat array final ke dalam array inisial b. Moving pixel berfungsi sebagai pointer yang titik pusatnya adalah koordinat pusat setiap piksel dalam array final yang sudah dipindahkan ke dalam array inisial c. Tentukan koordinat titik titik ujung moving pixel jika diketahui koordinat pusat array final adalah (g j,h i ) i) menentukan koordinat titik ujung kiri bawah mlb x = g j (0.5 x p) mlb y = h i (0.5 x q) ii) menentukan koordinat titik ujung kanan bawah mrb x = g j + (0.5 x p) mrb y = h i (0.5 x q) iii) menentukan koordinat titik ujung kiri atas mlt x = g j (0.5 x p) mlt y = h i + (0.5 x q) iv) menentukan koordinat titik ujung kanan atas mrt x = g j + (0.5 x p) mrt y = h i + (0.5 x q)

6 19 koordinat ujung-ujung moving pixel digunakan dalam perhitungan luas aksi piksel dan nilai array finalnya III.4 Algoritma untuk menentukan nilai piksel dalam array final Algoritma untuk menentukan nilai piksel dalam array final berdasarkan nilai array inisial adalah sebagai berikut : a. tentukan piksel ke berapa dalam array final yang akan dihitung b. tentukan koordinat pusat array final yang akan ditentukan nilainya c. pindahkan koordinat pusat array final ke system koordinat array inisial, sesuaikan posisinya d. buatlah moving pixelnya, tentukan luas aksinya e. dalam menentukan luas aksi yang berjumlah empat luas aksi, dengan menggunakan moving pixel, hanya terdapat empat kemungkinan susunan luas Diketahui empat koordinat titik ujung array final :,, dan, sedangkan koordinat titik ujung moving pixel : ml,mr,mb dan mt. Terdapat empat kemungkinan susunan luas yang terjadi jika koordinat pada moving pixel dan array final memenuhi kondisi seperti di bawah ini, yaitu jika (mr < ) dan (mb < ), (mr > ) dan (mb < ), (mr < ) dan (mb > ), (mr > ) and (mb > ). Keempat kemungkinan tersebut adalah sebagai berikut : (i) Kemugkinan pertama jika (mr < ) dan (mb < ) : a1 := (mr - ) * ( - mt) * ( nilai piksel tempat luas berada) a2 := ( - ml) * ( - mt) * (nilai piksel tempat luas berada) a3 := ( - ml) * (mb - ) *( nilai piksel tempat luas berada) a4 := (mr - ) * (mb - ) * (nilai piksel tempat luas berada) gambar III.5 sampai dengan III.8 merupakan ilustrasi posisi moving pixel dengan berbagai kemungkinan seperti tergambar di bawah ini :

7 20 mr mt a2 a1 a3 a4 mb Gambar III. 5 Posisi Moving Pixel (mr < ) dan (mb < ) (ii) Kemungkinan kedua jika (mr > ) dan (mb < ) a1 := (mr - ) * ( - mt) * ( nilai piksel tempat luas berada) a2 := ( - ml) * ( - mt) * ( nilai piksel tempat luas berada) a3 := ( - ml) * (mb - ) * ( nilai piksel tempat luas berada) a4 := (mr - ) * (mb - ) * ( nilai piksel tempat luas berada) mt ml a2 a1 mr a3 a4 mb Gambar III. 6 Posisi Moving Pixel (mr > ) dan (mb < ) (iii) Kemungkinan ketiga jika (mr < ) dan (mb > ) a1 := (mr - ) * ( - mt) * ( nilai piksel tempat luas berada) a2 := ( - ml) * ( - mt) * ( nilai piksel tempat luas berada) a3 := ( - ml) * (mb - ) * ( nilai piksel tempat luas berada) a4 := (mr - ) * (mb - ) * ( nilai piksel tempat luas berada)

8 21 mr a2 a1 a3 a4 mb Gambar III. 7 Posisi Moving Pixel (mr < ) dan (mb > ) (iv) Kemungkinan keempat jika (mr > ) and (mb > ) a1 := (mr - ) * ( - mt) * ( nilai piksel tempat luas berada) a2 := ( - ml) * ( - mt) * ( nilai piksel tempat luas berada) a3 := ( - ml) * (mb - ) * ( nilai piksel tempat luas berada) a4 := (mr - ) * (mb - ) ( nilai piksel tempat luas berada) mt ml mr a2 a1 mb a3 a4 Gambar III. 8 Posisi Moving Pixel (mr > ) dan (mb > ) f. Hitunglah nilai tiap piksel dalam array final dengan cara : Val = (a1 + a2 + a3 + a4)/ (Luas satu piksel array inisial) Maka kita akan mendapatkan nilai di setiap piksel pada array final berdasarkan nilai pada array inisial dengan menggunakan konsep areal density dan metode pixel sharing (Wilson & Hurley 2003)

9 22

Bab VI Perbandingan Model Simulasi menggunakan Metode Monte Carlo dan Metode Functional Statistics Algorithm (FSA)

Bab VI Perbandingan Model Simulasi menggunakan Metode Monte Carlo dan Metode Functional Statistics Algorithm (FSA) 37 Bab VI Perbandingan Model Simulasi menggunakan Metode Monte Carlo dan Metode Functional Statistics Algorithm (FSA) VI.1 Probabilitas Integral (Integral Kumulatif) Ketika menganalisis distribusi probabilitas,

Lebih terperinci

Bab II Dasar Teori Evolusi Bintang

Bab II Dasar Teori Evolusi Bintang 5 Bab II Dasar Teori Evolusi Bintang II.1 Mengenal Diagram Hertzprung-Russel (HR) Ejnar Hertzprung pada tahun 1911 mem-plot sebuah diagram yang menghubungkan antara magnitudo relatif bintang-bintang dalam

Lebih terperinci

Pendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1)

Pendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1) ISSN : 1693 1173 Pendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1) Abstrak Mean, standard deviasi dan skewness dari citra domain spasial

Lebih terperinci

Tugas Akhir. Karya tulis sebagai salah satu syarat untuk memperoleh gelar sarjana dari Institut Teknologi Bandung. Oleh. R. Dicky Fardiana

Tugas Akhir. Karya tulis sebagai salah satu syarat untuk memperoleh gelar sarjana dari Institut Teknologi Bandung. Oleh. R. Dicky Fardiana Perbandingan Antara Metode Functional Statistics Algorithm (FSA) dengan Metode Monte Carlo Dalam Sintesa Populasi Tugas Akhir Karya tulis sebagai salah satu syarat untuk memperoleh gelar sarjana dari Institut

Lebih terperinci

Definisi. Turunan (derivative) suatu fungsi f di sebarang titik x adalah. f merupakan fungsi baru yang disebut turunan dari f (derivative of f).

Definisi. Turunan (derivative) suatu fungsi f di sebarang titik x adalah. f merupakan fungsi baru yang disebut turunan dari f (derivative of f). Lecture 5. Derivatives C A. Turunan (derivatives) Sebagai Fungsi Definisi. Turunan (derivative) suatu fungsi f di sebarang titik x adalah f ()() (x) = lim. f merupakan fungsi baru yang disebut turunan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra terbagi 2 yaitu ada citra yang bersifat analog dan ada citra yang bersifat

Lebih terperinci

Pertemuan 2 Representasi Citra

Pertemuan 2 Representasi Citra /29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri

Lebih terperinci

Persamaan dan Pertidaksamaan Linear

Persamaan dan Pertidaksamaan Linear MATERI POKOK Persamaan dan Pertidaksamaan Linear MATERI BAHASAN : A. Persamaan Linear B. Pertidaksamaan Linear Modul.MTK X 0 Kalimat terbuka adalah kalimat matematika yang belum dapat ditentukan nilai

Lebih terperinci

Konsep Dasar Pengolahan Citra. Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI

Konsep Dasar Pengolahan Citra. Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI Konsep Dasar Pengolahan Citra Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI Definisi Citra digital: kumpulan piksel-piksel yang disusun dalam larik (array) dua-dimensi yang berisi nilai-nilai real

Lebih terperinci

Geometri Primitive. D3 Manajemen Informatika S1 Sistem Informasi

Geometri Primitive. D3 Manajemen Informatika S1 Sistem Informasi Geometri Primitive D3 Manajemen Informatika S1 Sistem Informasi Elemen-Elemen Pembentuk Grafik : Geometri 2 Menggambar GARIS Garis adalah kumpulan titik-titik yang tersusun sedemiki-an rupa sehingga memiliki

Lebih terperinci

BAB 2 LANDASAN TEORI. variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan

BAB 2 LANDASAN TEORI. variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan bagian

Lebih terperinci

BAB IV HASIL PENGUJIAN DAN ANALISIS

BAB IV HASIL PENGUJIAN DAN ANALISIS BAB IV HASIL PENGUJIAN DAN ANALISIS Membahas hasil pengujian algoritma yang dirancang dan analisa. 4.1. Pengujian Penentuan Lokasi 4.1.1. Pengujian Posisi Robot di Lapangan Mengacu pada Tiang Gawang Musuh

Lebih terperinci

10/11/2014. CIG4E3 / Pengolahan Citra Digital BAB 3. Pembentukan Citra Digital. Digitalisasi Citra. Yang dipengaruhi N,M, & q

10/11/2014. CIG4E3 / Pengolahan Citra Digital BAB 3. Pembentukan Citra Digital. Digitalisasi Citra. Yang dipengaruhi N,M, & q 5 8 9 //4 CIG4E / Pengolahan Citra Digital BAB. Pembentukan Citra Digital Digitalisasi Citra Intelligent Computing and Multimedia (ICM) Digitalisasi Citra analog / objek / scene Citra digital //4 //4 Proses

Lebih terperinci

GRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.

GRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI. GRAFIK KOMPUTER DAN PENGOLAHAN CITRA WAHYU PRATAMA, S.Kom., MMSI. PERTEMUAN 8 - GRAFKOM DAN PENGOLAHAN CITRA Konsep Dasar Pengolahan Citra Pengertian Citra Analog/Continue dan Digital. Elemen-elemen Citra

Lebih terperinci

Model umum metode simpleks

Model umum metode simpleks Model umum metode simpleks Fungsi Tujuan: Z C X C 2 X 2 C n X n S S 2 S n = NK FungsiPembatas: a X + a 2 X 2 + + a n X n + S + S 2 + + S n = b a 2 X + a 22 X 2 + + a 2n X n + S + S 2 + + S n = b 2 a m

Lebih terperinci

SISTEM DIGITAL Dalam Kehidupan Sehari-hari PADA KALKULATOR

SISTEM DIGITAL Dalam Kehidupan Sehari-hari PADA KALKULATOR SISTEM DIGITAL Dalam Kehidupan Sehari-hari PADA KALKULATOR Salah satu alat dalam kehidupan sehari-hari kita yang menggunakan sistem digital yang paling mudah ditemui adalah kalkulator. Alat yang kelihatannya

Lebih terperinci

G. Minimum Lokal dan Global Berikut diberikan definisi minimum local (relatif) dan minimum global (mutlak) dari fungsi dua variabel.

G. Minimum Lokal dan Global Berikut diberikan definisi minimum local (relatif) dan minimum global (mutlak) dari fungsi dua variabel. G. Minimum Lokal dan Global Berikut diberikan definisi minimum local (relatif) dan minimum global (mutlak) dari fungsi dua variabel. Definisi. (i) Suatu fungsi f(x, y) memiliki minimum lokal pada titik

Lebih terperinci

1 Array dan Tipe Data Bentukan

1 Array dan Tipe Data Bentukan 1 Array dan Tipe Data Bentukan Overview Dalam dunia nyata, struktur data yang dihadapi sangat beragam dan penggunaan variabel dengan tipe data dasar memiliki keterbatasan pada banyaknya nilai yang dapat

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Pengerjaan tugas akhir ini ditunjukkan dalam bentuk blok diagram pada gambar 3.1. Blok diagram ini menggambarkan proses dari sampel citra hingga output

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,

Lebih terperinci

Rencana Pembelajaran

Rencana Pembelajaran Learning Outcome Rencana Pembelajaran Setelah mengikuti proses pembelajaran ini, diharapkan mahasiswa dapat ) Menentukan nilai turunan suatu fungsi di suatu titik ) Menentukan nilai koefisien fungsi sehingga

Lebih terperinci

Bab V MetodeFunctional Statistics Algorithm (FSA) dalam Sintesis Populasi

Bab V MetodeFunctional Statistics Algorithm (FSA) dalam Sintesis Populasi 31 Bab V MetodeFunctional Statistics Algorithm (FSA) dalam Sintesis Populasi V.1 Mengenal Metode Functional Statistics Algorithm (FSA) Metode Functional Statistics Algorithm (FSA) adalah sebuah metode

Lebih terperinci

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis

Lebih terperinci

10/10/2017. Teknologi Display SISTEM KOORDINAT DAN BENTUK DASAR GEOMETRI (OUTPUT PRIMITIF) CRT CRT. Raster Scan Display

10/10/2017. Teknologi Display SISTEM KOORDINAT DAN BENTUK DASAR GEOMETRI (OUTPUT PRIMITIF) CRT CRT. Raster Scan Display 1 2 SISTEM KOORDINAT DAN BENTUK DASAR GEOMETRI (OUTPUT PRIMITIF) Teknologi Display Cathode Ray Tubes (CRT) Liquid Crystal Display (LCD) 3 4 CRT Elektron ditembakkan dari satu atau lebih electron gun Kemudian

Lebih terperinci

PROBABILITAS &STATISTIK. Oleh: Kholistianingsih, S.T., M.Eng.

PROBABILITAS &STATISTIK. Oleh: Kholistianingsih, S.T., M.Eng. PROBABILITAS &STATISTIK ke-1 Oleh: Kholistianingsih, S.T., M.Eng. KONTRAK PEMBELAJARAN UAS : 35% UTS : 35% TUGAS : 20% KEHADIRAN :10% SEMUA KOMPONEN HARUS ADA KEHADIRAN 0 NILAI MAKS D PEUBAH DAN GRAFIK

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah

BAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550

Lebih terperinci

Grafik Komputer dan Pengolahan Citra. Grafik Komputer : Geometri Primitive. Universitas Gunadarma. Grafik Komputer : Geometri Primitive 1/12

Grafik Komputer dan Pengolahan Citra. Grafik Komputer : Geometri Primitive. Universitas Gunadarma. Grafik Komputer : Geometri Primitive 1/12 Grafik Komputer : Geometri Primitive Universitas Gunadarma Grafik Komputer : Geometri Primitive 1/12 Menggambar GARIS (1/11) Garis adalah kumpulan titik-titik yang tersusun sedemikian rupa sehingga memiliki

Lebih terperinci

PEMBAHASAN SOAL UJI COBA KMNR 12 KELAS 7-8 SMP. VERSI Mr. OES

PEMBAHASAN SOAL UJI COBA KMNR 12 KELAS 7-8 SMP. VERSI Mr. OES PEMBAHASAN SOAL UJI COBA KMNR 1 KELAS 7-8 SMP VERSI Mr. OES 1. Nilai dari 016+6 adalah... 016 6 8118 + Jawaban E. Nilai terbesar dari pilihan berikut adalah... a.,06 b.,1 c.,18 d.,9 e.,115 Nilai yang terbesar,18.

Lebih terperinci

1. TRANSLASI OPERASI GEOMETRIS 2. ROTASI TRANSLASI 02/04/2016

1. TRANSLASI OPERASI GEOMETRIS 2. ROTASI TRANSLASI 02/04/2016 1. TRANSLASI OPERASI GEOMETRIS Rumus translasi citra x = x + m y = y + n dimana : m = besar pergeseran dalam arah x n = besar pergeseran dalam arah y 4/2/2016 1 TRANSLASI 2. ROTASI Jika citra semula adalah

Lebih terperinci

Pada komputer grafik ada 3 macam sistem koordinat yang harus di perhatikan :

Pada komputer grafik ada 3 macam sistem koordinat yang harus di perhatikan : Pada komputer grafik ada 3 macam sistem koordinat yang harus di perhatikan : Koordinat nyata Koordinat sistem (koordinat cartesian) Koordinat tampilan / layar Grafika Komputer Page 2 Adalah koordinat yang

Lebih terperinci

Peta Konsep. Standar Kompetensi. Kompetensi Dasar. Memahami bentuk aljabar, relasi, fungsi. persamaan garis lurus

Peta Konsep. Standar Kompetensi. Kompetensi Dasar. Memahami bentuk aljabar, relasi, fungsi. persamaan garis lurus PErSamaan GarIS lurus Untuk SMP Kelas VIII Peta Konsep Standar Kompetensi Memahami bentuk aljabar, relasi, fungsi dan persamaan garis lurus Kompetensi Dasar Menentukan gradien, persamaan dan grafik garis

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi

BAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal

Lebih terperinci

BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM

BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM III.1. Analisis III.1.1. Analisis Didalam pross perancangan aplikasi ini sebelumnya dilakukan beberapa pengamatan terhadap pentingnya melakukan proses enkripsi

Lebih terperinci

BAB 3 PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM 21 BAB 3 PERANCANGAN SISTEM 3.1 Arsitektur Sistem Template Formulir Sample Karakter Pengenalan Template Formulir Pendefinisian Database Karakter Formulir yang telah diisi Pengenalan Isi Formulir Hasil

Lebih terperinci

Olimpiade Sains Nasional XI Bidang Komputer/Informatika

Olimpiade Sains Nasional XI Bidang Komputer/Informatika Berkas Kompetisi Soal Hari 1 Olimpiade Sains Nasional XI Bidang Komputer/Informatika 2-7 September 2012, Jakarta www.tokilearning.org www.siswapsma.org Bundel Soal Hari 1 OSN XI Bidang Informatika SEGITIGA

Lebih terperinci

Grafik Komputer dan Pengolahan Citra. Grafik Komputer : Geometri Primitive. Universitas Gunadarma Grafik Komputer : Geometri Primitive 1/12

Grafik Komputer dan Pengolahan Citra. Grafik Komputer : Geometri Primitive. Universitas Gunadarma Grafik Komputer : Geometri Primitive 1/12 Grafik Komputer : Geometri Primitive Universitas Gunadarma 2006 Grafik Komputer : Geometri Primitive 1/12 Menggambar GARIS (1/11) Garis adalah kumpulan titik-titik ang tersusun sedemikian rupa sehingga

Lebih terperinci

BAB 3 PENGENALAN WAJAH

BAB 3 PENGENALAN WAJAH 28 BAB 3 PENGENALAN WAJAH DENGAN PENGENALAN DIMENSION WAJAH BASED DENGAN FNLVQ DIMENSION BASED FNLVQ Bab ini menjelaskan tentang pemodelan data masukan yang diterapkan dalam sistem, algoritma FNLVQ secara

Lebih terperinci

Pokok Bahasan PENDAHULUAN PERANCANGAN SISTEM HASIL PENGUJIAN PENUTUP

Pokok Bahasan PENDAHULUAN PERANCANGAN SISTEM HASIL PENGUJIAN PENUTUP Pokok Bahasan PENDAHULUAN PERANCANGAN SISTEM HASIL PENGUJIAN PENUTUP PENDAHULUAN 1. Sistem navigasi robot banyak dipakai dimanfaatkan untuk berbagai kebutuhan misalnya untuk membantu departemen pemadam

Lebih terperinci

Sekayu. Prabumulih. Muarainim. Baturaja

Sekayu. Prabumulih. Muarainim. Baturaja 07 Tujuan Pembelajaran Setelah belajar bab ini, siswa dapat: Menggambar letak benda pada denah. Mengenal Koordinat posisi suatu benda. Menentukan posisi titik dalam sistem koordinat kartesius. Sumatera

Lebih terperinci

APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA

APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA Yusti Fitriyani Nampira 50408896 Dr. Karmilasari Kanker Latar Belakang Kanker

Lebih terperinci

MATEMATIKA. Sesi VEKTOR A. DEFINISI VEKTOR. a. Unsur-Unsur Vektor. b. Notasi Vektor

MATEMATIKA. Sesi VEKTOR A. DEFINISI VEKTOR. a. Unsur-Unsur Vektor. b. Notasi Vektor MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Sesi NGAN VEKTOR A. DEFINISI VEKTOR Vektor adalah ruas garis yang memiliki nilai dari arah. Nilai vektor disini adalah panjang vektor. Vektor adalah notasi

Lebih terperinci

Course Note Numerical Method Akar Persamaan Tak Liniear.

Course Note Numerical Method Akar Persamaan Tak Liniear. Course Note Numerical Method Akar Persamaan Tak Liniear. Dalam matematika terapan seringkali harus mencari selesaian persamaan yang berbentuk f() = 0 yakni bilangan o sedemikian sehingga f( o ) = 0. Dalam

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Tulisan Tangan angka Jawa Digitalisasi Pre-Processing ROI Scalling / Resize Shadow Feature Extraction Output Multi Layer Perceptron (MLP) Normalisasi

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan

Lebih terperinci

Algoritma Simplex. Algoritma Simplex adalah algoritma yang digunakan untuk mengoptimalkan fungsi objektif dan memperhatikan semua persamaan

Algoritma Simplex. Algoritma Simplex adalah algoritma yang digunakan untuk mengoptimalkan fungsi objektif dan memperhatikan semua persamaan Algoritma Simplex Algoritma Simplex adalah algoritma yang digunakan untuk mengoptimalkan fungsi objektif dan memperhatikan semua persamaan kendala. (George Dantizg, USA, 1950) Contoh Kasus Suatu perusahaan

Lebih terperinci

Pendahuluan. Dua operasi matematis penting dalam pengolahan citra :

Pendahuluan. Dua operasi matematis penting dalam pengolahan citra : KONVOLUSI Budi S Pendahuluan Dua operasi matematis penting dalam pengolahan citra : Operasi Konvolusi (Spatial Filter/Discret Convolution Filter) Transformasi Fourier Teori Konvolusi Konvolusi 2 buah fungsi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengantar Pada bab ini akan diuraikan beberapa landasan teori untuk menunjang penulisan skripsi ini. Uraian ini terdiri dari beberapa bagian yang akan dipaparkan secara terperinci

Lebih terperinci

kita menggunakan variabel semu untuk memulai pemecahan, dan meninggalkannya setelah misi terpenuhi

kita menggunakan variabel semu untuk memulai pemecahan, dan meninggalkannya setelah misi terpenuhi Lecture 4: (B) Supaya terdapat penyelesaian basis awal yang fisibel, pada kendala berbentuk = dan perlu ditambahkan variabel semu (artificial variable) pada ruas kiri bentuk standarnya, untuk siap ke tabel

Lebih terperinci

SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON

SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 30 BAB IV SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 4.1 Gambaran Umum Sistem Diagram sederhana dari program yang dibangun dapat diilustrasikan dalam diagram konteks berikut. Gambar

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB III ANALISIS DAN PERANCANGAN SISTEM BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab analisa dan perancangan ini akan mengulas tentang tahap yang digunakan dalam penelitian pembuatan aplikasi implementasi kompresi gambar menggunakan metode

Lebih terperinci

oleh: M BAHARUDIN GHANIY NRP

oleh: M BAHARUDIN GHANIY NRP oleh: M BAHARUDIN GHANIY NRP. 1202 109 022 Teknologi fotografi pada era sekarang ini berkembang sangat pesat. Hal ini terbukti dengan adanya kamera digital. Bentuk dari kamera digital pada umumnya kecil,

Lebih terperinci

Jika titik O bertindak sebagai titik pangkal, maka ruas-ruas garis searah mewakili

Jika titik O bertindak sebagai titik pangkal, maka ruas-ruas garis searah mewakili 4.5. RUMUS PERBANDINGAN VEKTOR DAN KOORDINAT A. Pengertian Vektor Posisi dari Suatu Titik Misalnya titik A, B, C Dan D. adalah titik sebarang di bidang atau di ruang. Jika titik O bertindak sebagai titik

Lebih terperinci

BAB III PENGOLAHAN DATA

BAB III PENGOLAHAN DATA BAB III PENGOLAHAN DATA Tahap pengolahan data pada penelitian ini meliputi pemilihan data penelitian, penentuan titik pengamatan pada area homogen dan heterogen, penentuan ukuran Sub Citra Acuan (SCA)

Lebih terperinci

BAB III OUTPUT PRIMITIF

BAB III OUTPUT PRIMITIF BAB III OUTPUT PRIMITIF OBJEKTIF : Pada Bab ini mahasiswa mempelajari tentang : 1. Primitif Grafis. Algoritma Pembentukan Garis 3. Algoritma Pembentukan Lingkaran 4. Algoritma Pembentukan Ellips TUJUAN

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2. Citra Digital Citra digital dapat diartikan sebagai suatu fungsi dua dimensi f(x.y), dengan x maupun y adalah posisi koordinat sedangkan f merupakan amplitude pada posisi (x,y)

Lebih terperinci

Pada kondisi ini proses penghapusan tidak bisa dilakukan Kondisi linked list memiliki hanya 1 data{satu simpul} Akhir. Akhir

Pada kondisi ini proses penghapusan tidak bisa dilakukan Kondisi linked list memiliki hanya 1 data{satu simpul} Akhir. Akhir 3. Penghapusan a. Penghapusan di awal/depan Penghapusan data di awal adalah proses menghapus simpul pertama (yang ditunjuk oleh variabel pointer ), sehingga variabel pointer akan berpindah ke simpul berikutnya.

Lebih terperinci

VEKTOR. 45 O x PENDAHULUAN PETA KONSEP. Vektor di R 2. Vektor di R 3. Perkalian Skalar Dua Vektor. Proyeksi Ortogonal suatu Vektor pada Vektor Lain

VEKTOR. 45 O x PENDAHULUAN PETA KONSEP. Vektor di R 2. Vektor di R 3. Perkalian Skalar Dua Vektor. Proyeksi Ortogonal suatu Vektor pada Vektor Lain VEKTOR y PENDAHULUAN PETA KONSEP a Vektor di R 2 Vektor di R 3 Perkalian Skalar Dua Vektor o 45 O x Proyeksi Ortogonal suatu Vektor pada Vektor Lain Soal-Soal PENDAHULUAN Dalam ilmu pengetahuan kita sering

Lebih terperinci

BAB II DASAR TEORI 2.1 Populasi Penduduk 2.2 Basis Data

BAB II DASAR TEORI 2.1 Populasi Penduduk 2.2 Basis Data BAB II DASAR TEORI 2.1 Populasi Penduduk Populasi adalah sekelompok orang, benda, atau hal yang menjadi sumber pengambilan sampel; sekumpulan yang memenuhi syarat-syarat tertentu yang berkaitan dengan

Lebih terperinci

IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH

IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma

Lebih terperinci

TURUNAN, EKSTRIM, BELOK, MINIMUM DAN MAKSIMUM

TURUNAN, EKSTRIM, BELOK, MINIMUM DAN MAKSIMUM TURUNAN, EKSTRIM, BELOK, MINIMUM DAN MAKSIMUM Fungsi f dikatakan mencapai maksimum mutlak di c jika f c f x untuk setiap x I. Di sini f c dinamakan nilai maksimum mutlak. Dan c, f c dinamakan titik maksimum

Lebih terperinci

BAB 4. Sistem Yang Diusulkan

BAB 4. Sistem Yang Diusulkan 61 BAB 4 Sistem Yang Diusulkan 4.1 Kerangka Sistem Pada bagian ini dijelaskan lebih lanjut mengenai kerangka sistem yang diusulkan serta urut-urutan sistem berjalan. 4.1.1 Pengambilan Data Pada proses

Lebih terperinci

Gambar 4.1 Macam-macam Komponen dengan Bentuk Kompleks

Gambar 4.1 Macam-macam Komponen dengan Bentuk Kompleks BAB 4 HASIL DA A ALISA Banyak komponen mesin yang memiliki bentuk yang cukup kompleks. Setiap komponen tersebut bisa jadi memiliki CBV, permukaan yang berkontur dan fitur-fitur lainnya. Untuk bagian implementasi

Lebih terperinci

BAB 3 PERANCANGAN. 3.1 Desain Alur Penentuan Keputusan Robot

BAB 3 PERANCANGAN. 3.1 Desain Alur Penentuan Keputusan Robot BAB 3 PERANCANGAN 3.1 Desain Alur Penentuan Keputusan Robot Aplikasi ini bertujuan untuk menentukan perilaku robot yang diinginkan dalam pertandingan sepak bola antar robot. Dari berbagai kondisi lapangan,

Lebih terperinci

KLASIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA (CARICA PAPAYA L) CALIFORNIA (CALLINA-IPB 9) DALAM RUANG WARNA HSV DAN ALGORITMA K-NEAREST NEIGHBORS

KLASIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA (CARICA PAPAYA L) CALIFORNIA (CALLINA-IPB 9) DALAM RUANG WARNA HSV DAN ALGORITMA K-NEAREST NEIGHBORS KLASIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA (CARICA PAPAYA L) CALIFORNIA (CALLINA-IPB 9) DALAM RUANG WARNA HSV DAN ALGORITMA K-NEAREST NEIGHBORS Sigit Sugiyanto*, Feri Wibowo Program Studi Teknik Informatika

Lebih terperinci

BAB II TI JAUA PUSTAKA

BAB II TI JAUA PUSTAKA BAB II TI JAUA PUSTAKA Pada bab ini akan dibahas mengenai teori-teori yang menunjang tugas akhir ini. Antara lain yaitu pengertian citra, pengertian dari impulse noise, dan pengertian dari reduksi noise.

Lebih terperinci

Computer Graphic. Output Primitif dan Algoritma Garis. Erwin Yudi Hidayat. Computer Graphics C Version 2 Ed by Donald Hearn

Computer Graphic. Output Primitif dan Algoritma Garis. Erwin Yudi Hidayat. Computer Graphics C Version 2 Ed by Donald Hearn Computer Graphic Output Primitif dan Algoritma Garis Erwin Yudi Hidayat erwin@dsn.dinus.ac.id Computer Graphics C Version 2 Ed by Donald Hearn Addison Wesley is an imprint of erwin@dsn.dinus.ac.id CG -

Lebih terperinci

Muhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016

Muhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016 MKB3383 - Teknik Pengolahan Citra Operasi Ketetanggaan Piksel Muhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016 Outline Konsep Operasi Ketetanggaan Aplikasi Operasi Ketetanggaan pada Filtering

Lebih terperinci

PENGIDENTIFIKASIAN CACAT KELURUSAN SISI DAN KESIKUAN PADA UBIN KERAMIK MENGGUNAKAN TEKNIK MORFOLOGI. Kurniawan Teknik Informartika

PENGIDENTIFIKASIAN CACAT KELURUSAN SISI DAN KESIKUAN PADA UBIN KERAMIK MENGGUNAKAN TEKNIK MORFOLOGI. Kurniawan Teknik Informartika PENGIDENTIFIKASIAN CACAT KELURUSAN SISI DAN KESIKUAN PADA UBIN KERAMIK MENGGUNAKAN TEKNIK MORFOLOGI Kurniawan 50408503 Teknik Informartika Latar Belakang Permasalahan Kebutuhan perusahaan industri manufaktur

Lebih terperinci

PERTEMUAN 8 MATRIX. Introduction Definition How is matrix stored in memory Declaration Processing

PERTEMUAN 8 MATRIX. Introduction Definition How is matrix stored in memory Declaration Processing PERTEMUAN 8 MATRIX Introduction Definition How is matrix stored in memory Declaration Processing INTRODUCTION Sebuah larik yang setiap elemennya adalah larik lagi disebut matriks Contoh matriks identitas:

Lebih terperinci

Score: 40.0 Persentage: % ~ u ~ Generated by Foxit PDF Creator Foxit Software For evaluation only.

Score: 40.0 Persentage: % ~ u ~ Generated by Foxit PDF Creator Foxit Software  For evaluation only. Waktu Sisa : 0:54:17 Score: 40.0 Persentage: 76.92 % 1. Terdapat sebuah animasi. Diketahui potongan program berikut ini. ~ u ~ Dengan potongan gambar berikut dan gambar pertama sebagai berikut. Menurut

Lebih terperinci

Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner

Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika

Lebih terperinci

Penerapan Transformasi Lanjar pada Proses Pengolahan Gambar

Penerapan Transformasi Lanjar pada Proses Pengolahan Gambar Penerapan Transformasi Lanjar pada Proses Pengolahan Gambar Pratama Nugraha Damanik 13513001 Program Studi Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10

Lebih terperinci

MATEMATIKA EKONOMI DAN BISNIS. Nuryanto.ST.,MT

MATEMATIKA EKONOMI DAN BISNIS. Nuryanto.ST.,MT MATEMATIKA EKONOMI DAN BISNIS Fungsi Dalam ilmu ekonomi, kita selalu berhadapan dengan variabel-variabel ekonomi seperti harga, pendapatan nasional, tingkat bunga, dan lainlain. Hubungan kait-mengkait

Lebih terperinci

Operations Management

Operations Management 6s-1 LP Metode Simpleks Operations Management MANAJEMEN SAINS William J. Stevenson 8 th edition 6s-2 LP Metode Simpleks Bentuk Matematis Maksimumkan Z = 3X 1 + 5X 2 Batasan (constrain) (1) 2X 1 8 (2) 3X

Lebih terperinci

LAMPIRAN A: DAFTAR DATA CITRA dan DATA CITRA BAYANGAN

LAMPIRAN A: DAFTAR DATA CITRA dan DATA CITRA BAYANGAN L.1 LAMPIRAN A: DAFTAR DATA CITRA dan DATA CITRA BAYANGAN Koordinat (x,y) Tabel A.1. Nilai data citra terhadap proses gradien Data citra bayangan (0,0) (99372, 36036, 13068) (1,0) (2352, -17472, 129792)

Lebih terperinci

PEMANFAATAN DATA SPACIAL UNTUK REFRENSI KERUANGAN

PEMANFAATAN DATA SPACIAL UNTUK REFRENSI KERUANGAN PEMANFAATAN DATA SPACIAL UNTUK REFRENSI KERUANGAN 1. Informasi Geografis Wayan Sedana Fenomena geografi merupakan identifikasi dari obyek studi bidang SIG, dan fenomena tersebut direpresentasikan secara

Lebih terperinci

BAB I PENDAHULUAN. Timor Leste terletak di antara garis lintang 8 dan 10 S, dan bujur 124

BAB I PENDAHULUAN. Timor Leste terletak di antara garis lintang 8 dan 10 S, dan bujur 124 BAB I PENDAHULUAN 1.1 Latar Belakang Timor Leste terletak di antara garis lintang 8 dan 10 S, dan bujur 124 dan 128 E. Terletak di Asia Tenggara, Pulau Timor merupakan bagian dari Asia Tenggara Maritim,

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan dokter dalam

Lebih terperinci

BAB III METODE YANG DIUSULKAN

BAB III METODE YANG DIUSULKAN BAB III METODE YANG DIUSULKAN Pada bab ini akan dijelaskan tentang metode pengenalan manusia dengan menggunakan citra dental radiograph yang diusulkan oleh peneliti. Pengenalan ini akan dilakukan dalam

Lebih terperinci

PEMBUATAN APLIKASI STEREOGRAM GENERATOR

PEMBUATAN APLIKASI STEREOGRAM GENERATOR PEMBUATAN APLIKASI STEREOGRAM GENERATOR Rudy Adipranata 1, Danny Raharja, Cherry Galatia Ballangan 2 Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Kristen Petra Jl. Siwalankerto

Lebih terperinci

PEMBAHASAN SOAL FINAL BNPCHS 2014

PEMBAHASAN SOAL FINAL BNPCHS 2014 PEMBAHASAN SOAL FINAL BNPCHS 2014 A. DUEL MAUT * Solusinya adalah dengan Brute Force, yaitu mencoba semua kemungkinan pasangan dari anggota kelompok pertama dan kedua, lalu mencari yang selisihnya paling

Lebih terperinci

BAB IV. PENGGUNAAN TURUNAN. Departemen Teknik Kimia Universitas Indonesia

BAB IV. PENGGUNAAN TURUNAN. Departemen Teknik Kimia Universitas Indonesia BAB IV. PENGGUNAAN TURUNAN Departemen Teknik Kimia Universitas Indonesia BAB IV. PENGGUNAAN TURUNAN Maksimum dan Minimum Kemonotonan dan Kecekungan Maksimum dan Minimum Lokal Masalah Maksimum dan Minimum

Lebih terperinci

Penerapan Algoritma Brute Force dan Backtracking pada Permainan Skycraper

Penerapan Algoritma Brute Force dan Backtracking pada Permainan Skycraper Penerapan Algoritma Brute Force dan Backtracking pada Permainan Skycraper Zulhendra Valiant Janir (13510045) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

Bagian 1 Sistem Bilangan

Bagian 1 Sistem Bilangan Bagian 1 Sistem Bilangan Dalam bagian 1 Sistem Bilangan kita akan mempelajari berbagai jenis bilangan, pemakaian tanda persamaan dan pertidaksamaan, menggambarkan himpunan penyelesaian pada selang bilangan,

Lebih terperinci

bermassa M = 300 kg disisi kanan papan sejauh mungkin tanpa papan terguling.. Jarak beban di letakkan di kanan penumpu adalah a m c m e.

bermassa M = 300 kg disisi kanan papan sejauh mungkin tanpa papan terguling.. Jarak beban di letakkan di kanan penumpu adalah a m c m e. SOAL : 1. Empat buah gaya masing-masing : F 1 = 100 N F 2 = 50 N F 3 = 25 N F 4 = 10 N bekerja pada benda yang memiliki poros putar di titik P. Jika ABCD adalah persegi dengan sisi 4 meter, dan tan 53

Lebih terperinci

A. Menentukan Letak Titik

A. Menentukan Letak Titik Apa yang akan Anda Pelajari? Koordinat Cartesius Mengenal pengertian dan menentukan gradien garis lurus Menentukan persamaan garis lurus Menggambar grafik garis lurus Menentukan Gradien, Persamaan garis

Lebih terperinci

DISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016

DISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PROBABILITAS KONTINYU Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PELUANG KONTINYU Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat

Lebih terperinci

PEMBUATAN APLIKASI STEREOGRAM GENERATOR

PEMBUATAN APLIKASI STEREOGRAM GENERATOR PEMBUATAN APLIKASI STEREOGRAM GENERATOR Rudy Adipranata 1, Cherry Galatia Ballangan 2, Danny Raharja Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Kristen Petra Jl. Siwalankerto

Lebih terperinci

Olimpiade Sains Nasional XI Bidang Komputer/Informatika

Olimpiade Sains Nasional XI Bidang Komputer/Informatika Berkas Kompetisi Soal Hari 1 Olimpiade Sains Nasional XI Bidang Komputer/Informatika 2-7 September 2012, Jakarta www.tokilearning.org www.siswapsma.org SEGITIGA Batas Waktu Batas Memori 1 detik 64 MB Anda

Lebih terperinci

Pembentukan Citra. Bab Model Citra

Pembentukan Citra. Bab Model Citra Bab 2 Pembentukan Citra C itra ada dua macam: citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit

Lebih terperinci

TEKNIK RISET OPERASI UNDA

TEKNIK RISET OPERASI UNDA BAB V METODE TRANSPORTASI Metode Transportasi merupakan suatu metode yang digunakan untuk mengatur distribusi dari sumber-sumber yang menyediakan produk yang sama ke tempattempat yang membutuhkan secara

Lebih terperinci

Pendahuluan. Kuadran I (X>0, Y>0) Kuadran II (X<0, Y>0) Kuadran IV (X>0, Y<0) Kuadran III (X<0, Y<0)

Pendahuluan. Kuadran I (X>0, Y>0) Kuadran II (X<0, Y>0) Kuadran IV (X>0, Y<0) Kuadran III (X<0, Y<0) Matakuliah : Algoritma & Struktur Data Versi : 1.0.0 Materi : Pemilihan (Struktur IF) Penyaji : Zulkarnaen NS 1 Pendahuluan Struktur runtunan hanya terdapat pada program sederhana. Pada umumnya masalah

Lebih terperinci

Apa itu DATA? Apa bedanya DATA & INFORMASI?

Apa itu DATA? Apa bedanya DATA & INFORMASI? Apa itu DATA? Apa bedanya DATA & INFORMASI? Informasi data yang telah diproses menjadi bentuk yang memiliki arti bagi penerima dan dapat berupa fakta, suatu nilai yang bermanfaat. Jadi ada suatu proses

Lebih terperinci

BAB 2 DISTRIBUSI FREKUENSI

BAB 2 DISTRIBUSI FREKUENSI BAB 2 Teknik Mesin Universitas muhammadiyah Jember Selasa, 17 Oktober 2017 OUTLINE 1. 2. GRAFIK DAN TABEL Variabel Penelitian Seorang peneliti akan mengadakan penelitian tentang pengaruh suhu udara pengering

Lebih terperinci

Aplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation

Aplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation Aplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation Daryanto 1) 1) Prodi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember Email: 1) daryanto@unmuhjember.ac.id

Lebih terperinci

4. SISTEM PERSAMAAN DAN PERTIDAKSAMAAN

4. SISTEM PERSAMAAN DAN PERTIDAKSAMAAN 4. SISTEM PERSAMAAN DAN PERTIDAKSAMAAN 4.1 Persamaan Garis a. Bentuk umum persamaan garis Garis lurus yang biasa disebut garis merupakan kurva yang paling sederhana dari semua kurva. Misalnya titik A(2,1)

Lebih terperinci

LIMIT DAN KEKONTINUAN

LIMIT DAN KEKONTINUAN LIMIT DAN KEKONTINUAN Pengertian dan notasi dari it suatu fungsi, f() di suatu nilai = a diberikan secara intuitif berikut. Bila nilai f() mendekati L untuk nilai mendekati a dari arah kanan maka dikatakan

Lebih terperinci

BAB III PENGOLAHAN DATA

BAB III PENGOLAHAN DATA BAB III PENGOLAHAN DATA 3.1. Algoritma Pengolahan Data Algoritma pengolahan data ini merupakan tahapan-tahapan logis dari pengerjaan olah data penelitian yang hasilnya berupa angka-angka parameter yang

Lebih terperinci